預測蛋白質相互作用的計算方法

　　蛋白質相互作用研究能夠從分子水平上揭示蛋白質的功能，幫助揭示生長發育、新陳代謝、分化和凋亡等細胞活動的規律。在全基因組范圍內識別蛋白質相互作用對是解釋細胞調控機制的重要一步。隨著蛋白質相互作用實驗技術的發展，人們能夠獲得大量的蛋白質相互作用數據，甚至能夠在全基因組范圍內對蛋白質相互作用進行分析。然而，由于實驗技術的限制，很多高通量實驗方法測得的蛋白質相互作用數據的錯誤率都比較高。此外，傳統實驗的方法不適用于檢測大規模數據。

　　針對這一科學問題，中國科學院新疆理化技術研究所多語種信息技術研究室碩士生王延斌在研究員尤著宏指導下，經過系統研究，提出了一種使用蛋白質序列信息預測蛋白質相互作用的計算方法。為了獲得重要的蛋白質信息，科研人員首先使用位置打分矩陣（PSSM）去表示每一個蛋白質序列。研究發現，打分矩陣的表示方法不僅保留了序列的位置信息，還保留了蛋白質的化學信息。同時，為了開發PCVMZM預測模型，科研人員首先在不同尺度的PSSM打分矩陣上提取到準確的、有代表性的蛋白質信息，并將每一個信息表示成一個特征向量作為特征，運用一個強分類器去預測蛋白質的交互。

　　研究結果表明，此方法能夠提供精確、穩定、覆蓋率高的預測信息，為基因組學研究提供了一個有用的決策工具。該研究成果發表在《國際分子科學雜志》（International Journal of Molecular Sciences）上，發表至今約兩個月時間，被引用23次。

　　基于上述研究成果，科研人員通過構建一個深度學習系統，實現了更加準確、穩定的預測系統。實驗結果表明，使用了深度學習方法后，預測準確率可提升2.2%，并且可以實現跨物種檢測。該研究成果發表在《生物分子》（Molecular Biosystems）上。

　　該工作得到國家自然科學基金、中科院“百人計劃”的資助。